3Socialforskningsinstituttet

The Danish National Institute of Social Research

Forsørgerbyrde og førtidspension

et eksempel på anvendelse af en simpel fremskrivningsmodel

Martin Rasmussen

Arbejdsmarkedspolitik Arbejdspapir 21:2002

4

Forsørgerbyrde og førtidspension – et eksempel på anvendelse af en sim-

pel fremskrivningsmodel

Martin Rasmussen

Arbejdsmarkedspolitik Arbejdspapir 21:2002

Socialforskningsinstituttets arbejdspapirer indeholder fore-løbige resultater af undersøgelser og forarbejder til artikler eller rapporter. Arbejdspapirer udgives i et begrænset oplag som grundlag for en faglig diskussion, der indgår som led i forskningsprocessen. Læseren bør derfor være opmærksom på, at resultater og fortolkninger i den færdige rapport eller artikel vil kunne afvige fra arbejdspapiret. Arbejdspapirer er ikke omfattet af de procedurer for kvalitetssikring og

5

FORORD: Dette arbejdspapir er en del af udredningen ”Test af datasystem til forsknings- og evalueringsspørgsmål på det sociale område” – i daglig tale kaldet ”Data-projektet” – som Socialministeriet har bedt Socialforskningsinstituttet om at udføre. I arbejdspapiret illustreres en metode til at fremskrive befolkningens fordeling på ’tilstande’ – fx beskæftigelse, ledighed, førtidspension. Metoden benytter statistiske oplysninger om folks mobilitet fra fx beskæftigelse til ledighed fra et år til det næste til at fremskrive de langsigtede konsekvenser, som denne dy-namik har. Vi fortolker – med passende forbehold – resultaterne som de lang-sigtede konsekvenser af den aktuelle økonomiske politik, den aktuelle adfærd og den aktuelle økonomiske situation. Der foretages meget lange fremskriv-ninger på næsten 100 år. Sigtet er dog ikke så meget at lave prognoser som at illustrere nutiden på en speciel måde. Der er i papiret særlig fokus på, om ældrebyrdeproblematikken har en ekstra dimension via førtidspension, der jo i høj grad tildeles ældre. Med papiret øn-skes dog i lige så høj grad at diskutere metoden, der også kan anvendes i an-dre sammenhænge. Der er til undersøgelsen knyttet en følgegruppe. Af følgegruppens medlemmer har Margareta Levin (Arbejdsdirektoratet), Per Kampmann (Arbejdsmarkeds-styrelsen) og Christian Sølyst (LO) deltaget i møder, hvor papiret blev disku-teret. Alle har tidligere arbejdet i Socialministeriet. Følgegruppen takkes for go-de kommentarer til papiret. Undersøgelsen er gennemført af forsker Martin Rasmussen. Programleder Ni-els Henning Bjørn har været ansvarlig for projektledelsen.

5

Indhold Kapitel 1. Indledning – kortsigtet social mobilitet forklarer langsigtet forsørgerbyrde 7 Kapitel 2. Langsigtede konsekvenser af den aktuelle sociale mobilitet 11 2.1. Et tænkt eksempel 11 2.2. Overgangsmatricer for bestemte år 13 2.3. Resultatet af fremskrivninger alene baseret på årlige, summariske over-gangsmatricer 15 Kapitel 3. Den ændrede aldersfordeling 19 3.1. Et tænkt eksempel 19 3.2. Befolkningsfremskrivningen 20 3.3. Fremskrivning af fordeling med hensyntagen til alder 22 3.4. Ændret initialfordeling og ændret mobilitet 25 Kapitel 4. Ændret uddannelsesfordeling 29 Kapitel 5. Relateret litteratur 33 Kapitel 6. Sammenfatning 35 Litteratur 37 Bilag 1. Fremskrivningsmetoden – teknisk gennemgang 39 B1.1. Fremskrivning uden hensyntagen til alders- og uddannelsesfordeling 39 B1.2. Fremskrivning med hensyntagen til aldersfordeling 40 B1.3. Fremskrivning med hensyntagen til alders- og uddannelsesfordeling 41 Bilag 2. Data 43 B2.1. Kilder 43 B2.2. Definition af tilstande 43 B2.3. Overgangsmatricerne 47 B2.4. Befolkningsfremskrivningen 47 Bilag 3. Tabeller 49 Bilag 4. Eksperimenter 53 Arbejdspapirer publiceret af Socialforskningsinstituttet 56

7

Kapitel 1. Indledning – kortsigtet social mobilitet forklarer langsigtet forsør-

gerbyrde I papiret forklares en simpel måde at fremskrive befolkningens fordeling på for-skellige ’tilstande’ som fx beskæftigelse, ledighed og varig tilbagetrækning. Vi er specielt interesserede i at fremskrive befolkningens fordeling på offentlig forsørgelse i forhold til selvforsørgelse. Denne fordeling på tilstande er relevant for eksempel for de offentlige finanser. Imidlertid benytter vi i papirets metode ikke kun information om befolkningens fordeling på tilstande, men i særlig grad information om (social) mobilitet fra et år til det næste mellem tilstande. Denne mobilitet er samlet i såkaldte ’overgangsmatricer’, der er beregnet med en sim-pel statistisk metode. Sådanne matricer angiver sandsynligheden for, at en person, der sidste år var i tilstand Y, i år er i tilstand X. Overgangsmatricerne betragter vi i papiret ikke som interessante i sig selv, men derimod som værktø-jer til at fremskrive fordelingen på tilstande. Matricerne kan fx (i kom-bination med lidt anden statistik og med mere eller mindre strenge antagelser) udnyttes til at:

?? Beregne hvilke langsigtede effekter det har, hvis sandsynligheden for at blive førtidspensionist er ændret fra et år til et andet

?? Beregne effekten af at befolkningens aldersfordeling ændres ?? Beregne effekten af at fordelingen på uddannelser ændres ?? Illustrere betydningen af initialfordeling kontra dynamisk mobilitet – er

det meget vigtigt at træde ind på arbejdsmarkedet som beskæftiget, eller er mobilitet mellem tilstande så væsentlige, at initialfordelingen ’opløses’ over tid?

Det første punkt er relevant af følgende grund: Antag, at sandsynligheden for at modtage førtidspension ændres fra et år til et andet. Det er en ændring i mobi-liteten fra ikke at være førtidspensionist til at være det. De fulde effekter på an-delen af førtidspensionister i befolkningen realiseres først efter en del år; hvis tildelingssandsynligheden er øget, vokser andelen gradvist mod en ny, højere andel, fordi der hvert år er flere, der tildeles pensionen. Hvis fx reglerne for at få førtidspension lempes, er det derfor tildelingssandsynligheder (overgangs-matricer), man skal tage udgangspunkt i, selv om det er fordeling på tilstande, man i sidste ende er interesseret i (jf. dog diskussion om dette i afsnit 2.3). Vi taler i papiret om de langsigtede konsekvenser af et givent års sociale mobilitet eller overgangsmatrice, men underforstået interesserer vi os for konsekven-serne af årets politik, adfærd eller økonomiske situation, idet vi forestiller os, at sådanne faktorer også bestemmer overgangsmatricerne fremover. Det andet punkt lægger sig i forlængelse af debatten om, i hvilken grad den fremtidige større andel ældre vil påvirke overførslen af indkomster fra erhvervs-aktive til ældre. Denne debat handler om, at en større andel ældre vil betyde, at en større del af produktionen skabt af de erhvervsaktive skal overføres til al-derspensionisterne. Det fænomen, at det i særlig grad er ældre personer, der

8

bliver førtidspensionister, vil i sig selv yderligere øge behovet for aldersrelate-rede overførsler fra de erhvervsaktive. Det samme gælder i sagens natur ef-terløn, da det kun er personer over en vis alder, der kan opnå efterløn. Vores fremskrivningsmetode kan belyse, om overførselsbehovet øges i væsentlig grad eller blot en smule ved at beregne, hvor meget andelen af førtidspensi-onister og efterlønsmodtagere kan forventes at stige som følge af ændret al-dersfordeling. Det samlede antal førtidspensionister påvirkes ikke kun af alders-fordelingen, men også af sandsynligheden for at komme på førtidspension. Re-lativt få personer er de seneste år kommet på førtidspension, og de to effekter trækker derfor i hver sin retning. I papiret peges på, hvilken effekt der er stær-kest. Ved vurdering af fremskrivningernes informationsindhold er det vigtigt at huske på, at fremskrivningerne viderefører det seneste års mobilitet ud i fremtiden. Imidlertid kan tal, der viser fx høj sandsynlighed for at komme på efterløn, i nogle tilfælde være af åbenlys midlertidig karakter, og derfor vil det være uri-meligt at forvente, at en sådan mobilitet videreføres ud i al fremtid – mere di-skussion om dette i papiret. De sidste to punkter kan måske betragtes som udvidelser i forhold til disse ho-vedsigter. For eksempel kunne det tænkes, at hvis en større andel havde høj uddannelse, ville det modvirke den tendens mod flere på førtidspension, som den ændrede aldersfordeling vil få, fordi førtidspension sjældnere tildeles vel-uddannede. Når man forsøger at drage konsekvenser af sådanne (implicit poli-tikorienterede) eksperimenter, er det vigtigt at skelne mellem, hvad vi kunne kalde naturlige og hypotetiske eksperimenter. Med et naturligt eksperiment me-ner vi her forskellen på fremskrivninger baseret på to forskellige års mobilitet. Med hypotetiske eksperimenter ændrer vi fx befolkningens uddannelsesforde-ling og beregner konsekvenser heraf, dvs. vi kombinerer en hypotetisk uddan-nelsesfordeling med statistisk observeret mobilitet for den statistisk observe-rede uddannelsesfordeling. Ved hypotetiske eksperimenter vil de effekter, vi finder, formentlig være overvurderede. I næste kapitel beskrives de langsigtede konsekvenser af den aktuelle sociale mobilitet. I kapitel 3 laves fremskrivninger med hensyntagen til aldersforde-lingen, og det diskuteres, hvad den ændrede aldersfordeling betyder for den fremtidige tilstandsfordeling. Der laves også hypotetiske eksperimenter til at belyse effekten af ændret initial fordeling på tilstande og effekten af ændret mobilitet. I kapitel 4 tages eksplicit hensyn til uddannelsesfordelingen og effek-ten af ændret uddannelse diskuteres. Papirets bilag beskriver metoden på et teknisk plan samt data. I bilag 3 er stikprøvestørrelsen vist. Desuden er vist de data, der danner baggrund for hovedtekstens figurer. Gennemgående er der lagt relativt stor vægt på at diskutere metode med det håb, at læseren finder andre anvendelsesområder. Inden den egentlige tekst, en generel bemærkning om fremskrivninger:

9

I papiret vises fremskrivninger, der går 5, 10, 60 og uendeligt mange år ud i fremtiden. Skal man nu betragte dette som en forudsigelse? Man kan sige, at hvis der i fremskrivningsårene ikke sker andre ændringer end dem, der eksplicit er indbygget i beregningen, så vil fremskrivningen korrekt forudsige fremtiden. Men det er jo oplagt, at der vil ske en masse andre ændringer, og desto læn-gere vi fremskriver, desto flere yderligere ændringer vil påvirke fordelingen. Ek-sempelvis bliver befolkningsfremskrivninger fra Danmarks Statistik ofte kriti-seret for at være usikre af disse grunde. Holdningen er tilsyneladende, at det er problematisk at bruge usikre beregninger som grundlag for debat og beslutnin-ger. Holdningen i dette papir er omvendt, at da netop befolkningsfremskriv-ninger og social mobilitet er noget, der har betydning langt ud i fremtiden, er det fornuftigt at lave disse lange fremskrivninger for at få et fuldt billede af konse-kvenserne af den aktuelle sociale mobilitet og de aktuelle demografiske forhold (fertilitet, levealder, migration). Usikkerhed er et vilkår i virkelighedens verden og også i fremskrivninger. Det er naturligvis et problem, hvis man ikke ved, at usikkerheden findes, ligesom det er et problem, hvis man ikke er i stand til at diskutere forudsætningerne for fremskrivningsmodellerne.

11

Kapitel 2. Langsigtede konsekvenser af den aktuelle sociale mobilitet 2.1. Et tænkt eksempel Det interessante er fordelingen på tilstande på et givet tidspunkt, t. Lad os for illustrationens skyld sige, vi kun har to tilstande, beskæftigelse og ikke-beskæf-tigelse. Overgangsmatricen ser således ud: Tabel 2.1. En (tænkt) overgangsmatrice

Tilstand periode t Beskæftigelse Ikke-beskæftigelse

Beskæftigelse 0,80 0,15 Tilstand periode t+1 Ikke-beskæftigelse 0,20 0,85

Tabellen (matricen) skal fortolkes på den måde, at hvis man er beskæftiget i periode t, er der 80% sandsynlighed for, at man er beskæftiget i næste periode. Hvis man derimod er ledig i periode t, er der ifølge den lidt pessimistiske ma-trice kun 15% sandsynlighed for, at man bliver beskæftiget i periode t+1. Vi kan skrive overgangsmatrice svarende til tabel 2.1 som

0,80 0,150,20 0,85

? ?? ?? ?

(1)

Til overgangsmatricen hører en fordeling på beskæftigede og ikke-beskæfti-gede, der har den egenskab, at der ikke sker nogen yderligere ændringer fra periode til periode – en ’steady state -fordeling’. Denne fordeling er

Beskæftigede 0,429Ikke-beskæftigede 0,571

? ? ? ??? ? ? ?

? ? ? ?

dvs. 42,9% af befolkningen er i tilstand 1. Hvis denne tilstand gælder i periode t, vil den også gælde i periode t+1. Det ser man ved

0,429 0,80 0,15 0,429 0,80 0,429 0,15 0,5710,571 0,20 0,85 0,571 0,20 0,429 0,85 0,571

? ? ?? ? ? ? ? ? ? ?? ? ?? ? ? ? ? ? ? ?? ? ?? ? ? ? ? ? ? ?

Det er sådanne steady state -fordelinger på tilstande, vi er interesseret i i denne type beregninger, hvor vi ikke tager højde for fx alder. Det, vi specielt er inter-esserede i, er, hvordan steady state-fordelingen ændres, når overgangs-matricen ændres. Vi kan fx forestille os, at et politisk tiltag betyder, at over-gangsmatricen ændres fra (1) til

0,85 0,150,15 0,85

? ?? ?? ?

(2)

12

dvs. sandsynligheden for, at en person i beskæftigelse overgår til ledighed, fal-der fra 20 til 15%. Man bliver klogere alene af at se på de to overgangsmatri-cer, fordi man kan se, hvordan ændringen af politikken virker. Men man kan ikke se den samlede effekt på fordelingen af befolkningen på tilstande. Det kan man først, hvis man beregner den nye steady state -fordeling. Den bliver

Beskæftigelse 0,5Ikke-beskæftigelse 0,5

? ? ? ??? ? ? ?

? ? ? ?

Når ændringen i overgangsmatricerne fra (1) til (2) er så simpel, kunne man naturligvis godt regne ud, at flere ville ende i tilstand 1, men præcist hvor man-ge flere, kan man kun finde ud af på denne viste måde (tilstået, i dette meget simple tilfælde kunne man have gættet fordelingen). Der er altså godt 7% flere, der ender i tilstand 1 som følge af ændringen i overgangsmatricerne. Hvis æn-dringerne i overgangsmatricen havde været mere kompliceret, ville vi heller ikke have været i stand til umiddelbart at sige, i hvilken retning fordelingen ville ændre sig. Tilpasningen mod denne nye tilstand sker kun gradvist. Figur 2.1 viser, hvordan tilpasningen foregår.

13

Figur 2.1. Befolkningens fordeling på tilstande. Tilpasning mod ny steady state.

Ledige Beskæftigede

Andel

0.35

0.40

0.45

0.50

0.55

0.60

0.65

Fremskrivningsperiode

1 2 3 4 5 6 7 8 9 10 11 12

Vi ser, at tilpasningen mod den nye tilstand sker gradvist. 2.2. Overgangsmatricer for bestemte år I praksis beregnes overgangssandsynlighederne meget simpelt. De 80% i øverste venstre celle i tabel 2.1 er beregnet som andelen af beskæftigede i pe-riode t, der er beskæftiget i periode t+1 (hvis tallet havde været beregnet rigtigt og ikke tænkt). Der er altså ikke avanceret statistik involveret i metoden. Matri-cerne kan beregnes for hvert år (periodeenheden er et år i papiret), eller for hver aldersgruppe i hvert år eller yderligere også særskilt for hver uddannel-seskategori. I praksis ser vi på følgende fem tilstande: førtidspension, efterløn, ledighed, beskæftigelse og ’hjemmegående’. Hvem, der hører til i hvilken tilstand, er be-skrevet i bilag 2.2. Her skal bemærkes følgende:

?? Hjemmegående er et ret bredt begreb. Det vil blandt andet dække en del personer på orlovsordninger, personer, der er på kontanthjælp, men ikke registrerede ledige, personer, der er mange dage på sygedagpenge og personer på barsel. Desuden stiller metoden det krav, at alle personer skal være i en eller anden kategori. Dem, der ikke er en af de øvrige fire kategorier, er således karakteriseret som ledige. Se mere i bilag 2. Gruppen er følgelig langt større end den andel, man normalt forbinder

14

som ’hjemmegående’, men det er mestendels et spørgsmål om sprog-brug.

?? Ud over mobiliteten mellem de fem tilstande skal man vide, hvor mange, der hvert år ryger ud af den aldersklasse, der analyseres (32-66-årige), og hvor mange, der kommer til denne aldersklasse (fx ved at fylde 32 år eller immigrere), og hvordan tilkommerne initialt er fordelt på tilstande. For eksempel er førtidspensionister typisk i den ældste del af gruppen mellem 32 og 66 år, og hvis vi ikke beskriver, hvor stor en andel af dem, der ryger ud af gruppen (ved at fylde 67 år, dø eller flytte til udlandet), vil vi overvurdere andelen af førtidspensionister i fremskrivningerne; tilgan-gen til førtidspension er måske rigtigt beskrevet, men afgangen er kraf-tigt undervurderet.

Tabel 2.2.a-b viser overgangsmatricer for to år. Læseren skal ikke læse tabel-lerne i detaljer, men blot bemærke enkelte forhold, fx at sandsynligheden for at blive førtidspensionist er mindre i matricen for 2000 end for 1996 for beskæfti-gede og hjemmegående, men ikke for ledige og nytilkomne i analysen. Man kan også bemærke, at det er væsentlig sværere for ledige at blive beskæfti-gede i 1996 end i 2000 (5,6% mod 10,9%). Endelig ses, at der er næsten ingen førtidspensionister, der overgår til andre tilstande (en del ryger ud af analyse-gruppen). Generelt er diagonalen i tabellen naturligvis stor. Tabel 2.2.a. Overgangsmatrice 1995/1996 for alle 32-66-årige

Tilstand 1995 Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde 1996, ude 1995

Førtidspension 0,91859 0,00101 0,00247 0,00286 0,02940 0,01422 Efterløn 0 0,82093 0,02159 0,00832 0,05510 0 Ledig 0 0 0,87353 0,02075 0,14914 0,13033 Beskæftigelse 0,00049 0 0,05614 0,91793 0,17563 0,59834 Hjemmegående 0,00049 0,01509 0,04627 0,04351 0,55523 0,25711

Tilstand 1996

Ude 1996, inde 1995

0,08045 0,16298 0 0,00664 0,03550 -

Tabel 2.2.b. Overgangsmatrice 1999/2000 for alle 32-66-årige

Tilstand 1999 Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde 2000, ude 1999

Førtidspension 0,89881 0,00075 0,00361 0,00197 0,02636 0,02408 Efterløn 0,00050 0,85661 0,01986 0,00769 0,00826 0 Ledig 0 0 0,79025 0,01380 0,09441 0,13876 Beskæftigelse 0 0 0,10866 0,93107 0,17939 0,58142 Hjemmegå-ende

0,00992 0 0,06245 0,03443 0,63769 0,25573

Tilstand 2000

Ude 2000, inde 1999

0,09077 0,14264 0,01516 0,01107 0,05389 -

Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. beregning af overgangsmatricer, se bilag 2.3.

15

2.3. Resultatet af fremskrivninger alene baseret på år-lige, summariske overgangsmatricer

Resultatet af fremskrivningerne er vist i tabel 2.3 og sammenholdt med den aktuelle fordeling på tilstande i de forskellige år. Fremskrivningerne angiver den fordeling på tilstande, der vil gælde på langt sigt, hvis en befolkning af en be-stemt størrelse og alderssammensætning år efter år ’bevæger sig’ efter den overgangsmatrice, der gælder i et bestemt år (1995/96, 1996/97, 1997/98 eller 1998/99). Nu vil alderssammensætningen jo netop ændre sig drastisk i de kommende år, så fremskrivningen kan ikke opfattes som en prognose for, hvordan det rent faktisk vil gå fremover. Der er derimod tale om en beregning, der illustrerer de langsigtede konsekvenser, der alt andet lige vil fremkomme, hvis de pågældende års sociale mobilitet (overgangsmatricer) fortsætter i al fremtid. Tabel 2.3. Fremskrivninger baseret på overgangsmatricer for 1996,

1997, 1998, 1999 og 2000 Tilstand Førtidspension Efterløn Ledighed Beskæftigelse Hjemme 1995/1996 Faktisk 0.0981 0.0561 0.1133 0.5909 0.1417 Fremskrevet 0.0647 0.0807 0.2241 0.5372 0.0933 ../1997 Faktisk 0.0970 0.0594 0.1262 0.5920 0.1254 Fremskrevet 0.0716 0.0762 0.1472 0.6039 0.1012 ../1998 Faktisk 0.0945 0.0608 0.1266 0.5996 0.1186 Fremskrevet 0.0605 0.0776 0.1055 0.6534 0.1030 ../1999 Faktisk 0.0885 0.0616 0.1387 0.5991 0.1121 Fremskrevet 0.0542 0.0655 0.1318 0.6432 0.1053 ../2000 Faktisk 0.0907 0.0677 0.1222 0.6058 0.1136 Fremskrevet 0.0537 0.0672 0.1089 0.6650 0.1052 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. fremskriv-

ningsmetode, se bilag 1.

Der er store forskelle mellem de faktiske fordelinger for et bestemt år og den fremskrevne fordeling baseret på årets overgangsmatrice. Fra år til år er der derudover store forskelle på fremskrivningerne. Når andelen på førtidspension er væsentligt lavere i fremskrivningerne, er det, fordi sandsynligheden for at få tildelt førtidspension i de pågældende år (1996-2000) er lavere end, hvad der historisk har været gældende. Andelen af før-tidspensionister i fx 1996 er jo et resultat af tildelingerne mange år tilbage og udtrykker derfor en slags gennemsnit over tildelingssandsynlighederne de fore-gående mange år. Når der er væsentlig forskel på fremskrivningerne afhængigt af, hvilket års overgangsmatricer der tages udgangspunkt i, så er det, fordi selv ’små’ æn-dringer i overgangsmatricerne kan få store langsigtede konsekvenser. Den sto-re variation i ledighed og beskæftigelse i de forskellige fremskrivninger afspejler selvfølgelig især de langsigtede konsekvenser af den ændrede kon-junktursituation i de forskellige år. Ser man på overgangsmatricerne for 1995/96 og 1999/2000 i tabel 2.2, er bl.a. den store risiko for, at ledige i 1995

16

fortsat bliver ledige i 1996 en væsentlig årsag til, at ledigheden i fremskrivnin-gen baseret på 1996-matricen er så meget højere end fremskrivningen baseret på 2000-matricen. Figur 2.2 viser tilpasningen mod den nye steady state-tilstand baseret for 2000-matricen (figuren er parallel til figur 2.1). Figur 2.2. Tilpasning til ny andel førtidspensionister

Andelaf 32-66-årige

0.050

0.055

0.060

0.065

0.070

0.075

0.080

0.085

0.090

0.095

0.100

Fremskrivningsår

1999 2009 2019 2029 2039 2049 2059 2069 2079 2089

Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. fremskriv-

ningsmetode, se bilag 1. Som man ser, sker tilpasningen pænt, gradvist over mange år. Kan man nu stole på fremskrivningerne baseret på enkelte års overgangsmatri-cer? Som allerede diskuteret er det ’alt-andet-lige’-beregninger, hvor det er op-lagt, at ’alt andet’ ikke er lige på langt sigt, men hvor hensigten også blot er at isolere de langsigtede konsekvenser af det pågældende års ’sociale mobilitet’. Beregningerne antager, at et bestemt års overgangsmatrice kan fortsætte at gælde langt ud i fremtiden. Måske lidt implicit er hensigten at isolere effekten af den aktuelle politik, den aktuelle adfærd eller den aktuelle økonomiske situa tion (snarere end effekten af en ’overgangsmatrice’ eller af ’social mobilitet’). Ne-denfor er nogle tilfælde, hvor man måske på forhånd kan sige, at det ikke er rimeligt at forestille sig, at uændret politik/adfærd/økonomisk situation svarer til en konstant overgangsmatrice.

17

1) Politiske ændringer i adgangskriterier kan påvirke tilgangen til en social ord-ning midlertidigt. Hvis vi forestiller os, at man op til år t kan få førtidspension ved sygdomstype A, men fra og med år 1t ? kan få tildeling ved sygdomstype A eller B. Hver rask person risikerer med 1% sandsynlighed at få hver af de to sygdomme hvert år. Før år t vil der være tilstrømning på 1% af de raske til før-tidspension, og på langt sigt efter år 1t ? vil der være tilstrømning på 2%. I net-op år 1t ? og årene lige efter vil tilstrømningen derimod være langt større, fordi hele bestanden af ikke-førtidspensionsmodtagere, der har fået sygdom B, vil søge. 2) Et eksempel, der måske er særlig relevant for beregningerne af andele før-tidspensionister i papiret: Myndighederne er siden 1999 blevet mere tilbage-holdende med at tildele førtidspension i den forstand, at de i højere grad afprø-ver alle andre muligheder (Den sociale Ankestyrelse (2002)). Det kunne tæn-kes, at tildelingen til en del personer udskydes snarere end helt undgås. Det vil nogle år give en nedgang i tildelingen, der delvist indhentes senere af de per-soner, der trods alle mulige andre forsøg stadig kandiderer til førtidspension. (Tallene fra Den sociale Ankestyrelse tyder nu på, at nedgangen er varig, hvil-ket givetvis hænger sammen med øget anvendelse af fleksjob (folk på fleksjob vil registreres som beskæftigede).) 3) Almindelige økonomiske lavkonjunkturer kan være et argument for at tro, at fx sandsynligheden for, at en beskæftiget blive r ledig et bestemt år er midlerti-digt høj. På den anden side er det dog sjældent helt let at konkludere, hvornår det er oplagt, at en situation med lav beskæftigelse vil gå over ’af sig selv’ (og det derfor er urimeligt at forestille sig, at situationen kunne have varet ved). 4) Der kan argumenteres for, at tilstrømningen til efterløn sidste del af 1990’erne var på et niveau, som man ikke med rimelighed kunne forvente va-rede ved. Dels kunne man forestille sig, at uroen omkring ordningen gav anled-ning til midlertidig hamstringseffekt, dels fordi ’efterløn’ i papiret indeholder den såkaldte ’overgangsydelse’, der nu er ophørt (og som formentlig var forventet at ophøre). I papiret er andelen på efterløn derfor høj. Endelig er det oplagt, at nye tiltag, fx førtidspensionsreformen fra 2001/2003, ikke er medtaget i beregningerne. Det er på den anden side mindre kritisk set i forhold til metoden, fordi det jo netop svarer til ændringer i politik i forhold til de år, overgangsmatricerne er beregnet for. Så snart der ligger tal for disse år, vil metoden kunne give et bud på langsigtede effekter af reformen. Som eksem-pler på bud på effekten af reformer, der er foretaget, kunne man tolke det frem-skrevne fald i andelen af efterlønsmodtagere fra 1997/1998 til 1999/2000 (på 0,0776-0,0672=0,0104, jf. tabel 2.3) som påvirket af efterlønsreformen, mens faldet 1995/1996 til 1996/1997 (på 0,0807-0,0762=0,0045) kan tolkes som på-virket af ophøret af overgangsordningen.

19

Kapitel 3. Den ændrede aldersfordeling Befolkningens aldersfordeling ventes som bekendt at ændre sig væsentligt i de kommende år. Fremskrivninger, der tager højde for dette, adskiller sig fra be-regningerne i foregående kapitel ved, at vi skal gøre nogle yderligere antagel-ser og beregninger. Vi skal nemlig

?? tage udgangspunkt i en konkret fremskrivning af befolkningens størrelse ?? lave en antagelse om, hvordan de nye generationer er fordelt på til-

stande, når de første gang optræder i analysegruppen på 32-66-årige Inden vi diskuterer disse punkter, kan vi som i foregående kapitel illustrere be-regningerne med et simpelt, tænkt eksempel. 3.1. Et tænkt eksempel Sammenlignet med foregående kapitel, er den tekniske forskel blot, at man skal lave en fremskrivning af tilstandsfordelingen for hver aldersgeneration og slut-teligt lægge generationerne sammen. Undervejs skal man huske på det faktum, at når tiden går, bliver hver generation ældre. Lad os for eksemplets skyld forestille os, vi har tre aldersklasser i analysen, unge, midaldrende og gamle, og to tilhørende overgangsmatricer, én for unge, der bliver midaldrende i næste periode, og én for midaldrende, der bliver gamle i næste periode. Vi kan forestille os de to overgangsmatricer som følger: Tabel 3.1.a. En (tænkt) overgangsmatrice for unge/midaldrende

Tilstand for unge i periode t Beskæftigelse Ledige

Beskæftigelse 0,75 0,35 Tilstand for midaldrende i periode t+1 Ledige 0,25 0,65

Tabel 3.1.b. En (tænkt) overgangsmatrice for midaldrende/gamle

Tilstand for midaldrende i periode t Beskæftigelse Ledige

Beskæftigelse 0,95 0,05 Tilstand for gamle i peri-ode t+1 Ledige 0,05 0,95

Matricerne har den intuitive appel, at unge/midaldrende er mere mobile end midaldrende/gamle. Det ses ved, at der er større chance for, at en ung beskæf-tiget bliver ledig (25%) som midaldrende end, at en midaldrende bliver det som gammel (5%). Tilsvarende for ledige. Lad os forestille os, vi vil fremskrive tilstandsfordelingen til en fremtidig periode 3. Rent definitorisk kan fordelingen opsplittes på generationer som

20

Beskæftige per. 3 Beskæftigede unge per. 3 Beskæftigede midaldrende per. 3Ledige per. 3 Ledige unge per. 3 Ledige midaldrende per. 3

Beskæftigede gamle per. 3Ledige gamle per. 3

? ? ? ? ? ?? ?? ? ? ? ? ?

? ? ? ? ? ?? ?? ? ?? ?

Vi er ikke blevet stort klogere, for disse tre fordelinger kender vi jo ikke for den fremtidige periode 3. Med hensyn til de unge kan vi ikke benytte ideerne fra foregående afsnit. Vi må, som tidligere nævnt, forlade os på en befolknings-fremskrivning for at finde det samlede antal personer i den nye generation og derudover finde på en rimelig måde at fordele disse på ledige og beskæftigede (fx svarende til den nyeste kendte fordeling for unge). Beregningen er for de to øvrige generationer som følger:

Beskæftige midaldrende per. 3 0,75 0,35 Beskæftigede unge per. 2Ledige midaldrende per. 3 0,25 0,65 Ledige unge per. 2

Beskæftige gamle per. 3 0,95 0,05Ledige gamle per. 3 0,05 0,95

? ? ? ? ? ?? ?? ? ? ? ? ?

? ? ? ? ? ?

? ? ??? ? ?

? ? ?

evt.

Beskæftigede midaldrende per. 2Ledige midaldrende per. 2

0,95 0,05 0,75 0,35 Beskæftigede unge per. 1=

0,05 0,95 0,25 0,65 Ledige unge per. 1

? ? ??? ? ?

? ? ?? ? ? ? ? ?

? ?? ? ? ? ? ?? ? ? ? ? ?

Fordelingen for de midaldrende i periode 3 benytter overgangsmatricen for de unge/midaldrende og fordelingen for de unge i foregående periode. Fordelingen for de gamle i periode 3 benytter tilsvarende overgangsmatricen for de midald-rende/gamle og fordelingen for midaldrende i periode 2. Hvis denne er kendt (fordi periode 2 er et historisk, statistikdækket år), er vi færdige. Hvis fordelin-gen ikke er kendt, må den beregnes ved at gå et skridt længere tilbage og tage udgangspunkt i de unge i periode 1. Beregningen kan nu fortsætte med periode 4. 3.2. Befolkningsfremskrivningen Fremskrivningen af antallet af mennesker i hver aldersklasse er baseret på Danmarks Statistiks befolkningsfremskrivning. Vi fremskriver fem år ad gangen og inddeler derfor personerne i femårs aldersklasser, nemlig 32-36-årige til 62-66-årige. Det sidste statistikdækkede år, vi bruger, er 1999 og første fremskriv-ningsår således 2004.1 Til fremskrivningen har vi brug for antallet af menne-sker, der er 32-36 år i 2004, i 2009 osv. Fra Danmarks Statistiks befolknings-fremskrivning kan vi umiddelbart finde tal herfor frem til 2029. Da vi fremskriver længere fremad (til 2089), må vi selv lave en simpel fremskrivning for den se-

1 Det må indrømmes, at vi kunne have brugt år 2000 som sidste statistikdækkede år som i kapi-tel 2. Programmeringstekniske forenklinger er årsagen.

21

neste periode. Det gør vi ved at antage, at dem, der er 32-36 år i 2034, er de personer, der i 2029 er 27-31 år (osv.) – se bilag 2.4 herom. Figur 3.1 illustrerer, hvordan befolkningssammensætningen ændres. Figur 3.1. Udvikling i antal 32-36-årige, antal 62-66-årige (indeks,

basis i 1999) og det indbyrdes størrelsesforhold

32-36-årige 62-66-årige 62-66-år/32-36-år

0.5

0.6

0.7

0.8

0.9

1.0

1.1

1.2

1.3

1.4

1.5

1.6

1.7

Fremskrivningsår

1999 2009 2019 2029 2039 2049 2059 2069 2079 2089

Kilde: Egne beregninger og Danmarks Statistik, se bilag 2.4. Figuren viser, at antallet af personer i den yngste gruppe falder i de kommende 20 år til et niveau på ca. 25% under det nuværende, mens antallet i den ældste aldersklasse stiger de næste 15 år med 40-50%. Forholdet mellem de to grup-per ændrer sig derfor med over 80% de næste 15 år. Efter den periode falder forholdet mellem ældre og yngre gradvist, men forbliver dog på et niveau, der er væsentligt højere end nu. Alene ud fra denne figur må man forvente væsent-lige ændringer i tilstandsfordelingen fremover, og især de næste 15-20 år.

22

3.3. Fremskrivning af fordeling med hensyntagen til alder

Tabel 3.2 viser overgangsmatricer for den yngste og ældste aldersgruppe, nemlig de 32-36-årige og de 62-66-årige. Tabel 3.2.a. Overgangsmatrice for 32-36-årige

Tilstand periode t Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde t+1, ude t

Førtidspension 0,97189 - 0 0,00027 0,00822 0,01691 Efterløn - - - - - - Ledig 0 - 0,76895 0,01504 0,13436 0,17321 Beskæftigelse 0 - 0,11612 0,91823 0,22185 0,63030 Hjemmegående 0 - 0,09206 0,05424 0,58579 0,17959

Tilstand periode t+1

Ude t+1, inde t

0,02811 - 0,02286 0,01222 0,04978 -

Tabel 3.2.b. Overgangsmatrice for 62-66-årige

Tilstand periode t Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde t+1, ude t

Førtidspension 0,75783 0,00160 0,02027 0,00521 0,03560 0,21429 Efterløn 0 0,76724 0,25000 0,13551 0,12025 0 Ledig 0 0 0,51351 0,01489 0,01661 0 Beskæftigelse 0 0 0,06081 0,67908 0,01741 0 Hjemmegående 0 0,00639 0,07432 0,07446 0,62896 0,78571

Tilstand periode t+1

Ude t+1, inde t

0,24217 0,22478 0,08108 0,09084 0,18117 -

Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2, specielt 2.3. I overgangsmatricen for de yngste generationer er det specielt sidste søjle for de nytilkomne, der er interessant, fordi der naturligvis er mange nytilkomne i denne aldersgruppe. (Når de ikke alle er nytilkomne, er det alene, fordi vi laver gennemsnitlige matricer over forskellige aldre. Alle 32-årige er nytilkomne, og en overgangsmatrice hørende til dem, består reelt kun af sidste søjle.) Fra sid-ste søjle lægger man således mærke til, at to -tredjedele bliver beskæftigede. Fra resten af matricen kan bemærkes, at 1,5% af beskæftigede bliver ledige i næste periode, mens ca. 12% af de ledige bliver beskæftigede. Få bliver før-tidspensionister (og ingen efterlønnere, da denne aldersklasse ikke er beretti-get hertil). Overgangsmatricen for den ældste gruppe viser til sammenligning væsentligt større sandsynlighed for at overgå til førtidspension, uanset hvilken tilstand man er i i foregående periode. Beskæftigedes sandsynlighed for at blive ledige er 1,4%, og de lediges for at blive beskæftiget er ca. 6%. Disse tal (specielt det sidste) er mindre end for de unge, så i den forstand er de ældre mindre mobile end de unge, således som vi også forestillede os i det tænkte eksempel oven-for.

23

I fremskrivningerne bruger vi ikke direkte overgangsmatricer som fx i tabel 3.3.a, men en slags gennemsnit af denne matrix og matricen for 37-41-årige. Denne gennemsnitlige matrix beskriver overgangen for 32-36-årige til 37-41-årige (se bilag 2.3). Derudover skal vi bruge en antagelse om, hvordan de nytil-komne 32-36-årige er fordelt på tilstande, og vi antager, at de er fordelt som de 32-36-årige i 1999. Når tilstandsfordelingen i fremskrivningsårene sammenlignes med sidste stati-stikdækkede år (1999), ser vi effekten af to ting blandet sammen: Dels effekten af den ændrede alderssammensætning og dels de langsigtede effekter af de aktuelle overgangsmatricer (dvs. den type effekt vi beregnede i foregående ka-pitel). Disse to effekter kan meget vel trække i hver sin retning. Det er fx til-fældet for førtidspension, hvor vi i foregående kapitel så, at de aktuelle tilde-lingssandsynligheder trak (kraftigt) i retning af, at der på langt sigt ville komme færre førtidspensionister. Omvendt vil den ændrede aldersfordeling trække i retning af en større andel førtidspensionister. Hvis vi vil have et isoleret udtryk for effekten af den ændrede aldersfordeling, skal vi derfor ikke sammenligne tilstandsfordelingen i fx 2019 med den aktuelle (1999-)fordeling, men snarere med den fordeling, der på langt sigt ville have gjaldt, hvis vi ikke havde taget hensyn til den ændrede aldersfordeling. Vi viser først i figur 3.2 fremskrivningen for førtidspension sammenlignet med, hvad der ville fremkomme med metoden i kapitel 2, dvs. uden hensyn til ændret aldersfordeling.

24

Figur 3.2. Fremskrivning af andel førtidspensionister med hensyn-tagen til ændret aldersfordeling og med udgangspunkt i aktuel overgangsmatrice.

med bef.fremskrv. uden bef.fremskrv.

Andelaf 32-66-årige

0.060

0.065

0.070

0.075

0.080

0.085

0.090

0.095

0.100

Fremskrivningsår

1999 2009 2019 2029 2039 2049 2059 2069 2079 2089

Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Anm.: Kurven ’uden bef.fremskrv.’ er beregnet som i figur 2.2, dog med brug af en over-

gangsmatrice, der er et gennemsnit for årene 1996-1999 (i modsætning til år 2000 i figur 2.2).

Figuren viser, at andelen af førtidspensionister falder over tid i fremskrivningen, men ikke til niveauet, der ville gælde uden ændret aldersfordeling. Effekten fra overgangsmatricerne trækker altså mere nedad i andelen af førtidspensionister, end aldersfordelingen trækker opad. Forskellen mellem de to kurver kan tolkes som den isolerede effekt af ændret aldersfordeling. Det ses også, at andelen i fremskrivningen svinger en del selv mange år frem-over. Det er naturligvis fordi, demografiske ændringer er noget, der slår lang-somt igennem og har meget langsigtede konsekvenser. Følgelig er der grund til at lave fremskrivninger 90 år frem – ikke fordi vi tror, at skønnet i år 2089 vil komme til at gælde, men fordi det er en måde at afspejle de aktuelle forhold på. (Og hvis man skulle stoppe fremskrivningerne, før alle effekter dør ud, så har man et væsentligt problem – skal man stoppe i 2044 eller 2059? De to år giver noget forskellige resultater, som figuren viser.) Den samlede fremskrivning er vist i tabel 3.3. Sidste række viser fremskrivnin-gen på (uendelig) langt sigt beregnet ved metoden i kapitel 2, dvs. uden hensyn til ændret aldersfordeling.

25

Tabel 3.3. Fremskrivning af tilstandsfordeling med hensyntagen til

ændret aldersfordeling. Sammenlignet med steady state fordeling på baggrund af aktuel overgangsmatrice

År Førtidspension Efterløn Ledig Beskæftigelse Hjemme 1999 0,0944 0,0595 0,1264 0,5955 0,1242 2004 0,0840 0,0633 0,1365 0,5951 0,1211 2009 0,0800 0,0712 0,1367 0,5894 0,1228 2014 0,0789 0,0744 0,1365 0,5867 0,1235 2019 0,0779 0,0754 0,1370 0,5871 0,1226 2024 0,0774 0,0796 0,1367 0,5821 0,1243 2029 0,0763 0,0815 0,1361 0,5792 0,1270 2034 0,0743 0,0779 0,1368 0,5847 0,1263 2039 0,0732 0,0749 0,1369 0,5892 0,1259 2044 0,0724 0,0695 0,1381 0,5969 0,1231 2049 0,0734 0,0701 0,1385 0,5962 0,1218 2054 0,0753 0,0762 0,1374 0,5876 0,1235 2059 0,0759 0,0797 0,1365 0,5823 0,1257 2064 0,0749 0,0781 0,1366 0,5845 0,1259 2069 0,0737 0,0750 0,1371 0,5888 0,1254 2074 0,0727 0,0717 0,1379 0,5934 0,1243 2079 0,0726 0,0710 0,1381 0,5945 0,1237 2084 0,0731 0,0722 0,1379 0,5928 0,1239 2089 0,0734 0,0731 0,1377 0,5915 0,1243 Steady state 0,0624 0,0739 0,1423 0,6204 0,1009 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Efterlønsandelen stiger kraftigt frem til 2029, dels som følge af den ændrede aldersfordeling, dels som følge af den relativt høje tilgang til ordningen sidst i 1990’erne. Fra 2029 og nogle år frem falder andelen, hvilket stemmer overens med faldet i antallet af ældre vist i figur 3.1. For beskæftigelsen fremskrives en U-formet andel med bund omkring 2029. Det er den demografiske udvikling, der betinger dette fald. Sammenlignes fremskrivningen, der inkluderer den demografiske ændring, med ’steady state’-tilstanden (uden hensyn til de demografiske ændringer), bemærker man, at beskæftigelsen er lavere i den ’demografiske’ fremskrivning i 2089 end i steady state-fremskrivningen. Forskellen kan tolkes som den isole -rede effekt af de demografiske ændringer. 3.4. Ændret initialfordeling og ændret mobilitet I beregningerne inddrages nye generationer af 32-36-årige med en konkret ini-tial fordeling på tilstande svarende til de nuværende 32-36-åriges fordeling. Hvad nu, hvis denne fordeling (fx ved politiske indgreb) kunne ændres, således at 5%-point flere begyndte som beskæftigede og tilsvarende færre som ledige? Der vil være en tendens til, at effekten heraf opløses som de unge bliver ældre, fordi der hvert år er sandsynlighed for, at de ’ekstra’ beskæftigede ender i en anden tilstand. Beregningerne illustrerer altså betydningen af udgangssituatio-nen i forhold til dynamikken. Tabel 3.4 viser resultatet af en sådan fremskriv-ning set i forhold til fremskrivningen ovenfor.

26

Tabel 3.4. Langsigtet effekt af ændret initialfordeling. I alternativforløbet er 5%-point af de 32-36-årige antaget

beskæftigede i stedet for ledige. År Førtidspension Efterløn Ledig Beskæftigelse Hjemme 2089 -0,0003 0 -0,0108 0,0116 -0,0004 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Den samlede effekt på fordelingen er langt mindre end, at 5% af befolkningen blot er flyttet fra ledighed til beskæftigelse. Selv om flere som 32-36-årige er beskæftigede forsvinder en væsentlig del af denne effekt altså, efterhånden som folk bliver ældre. Det er et tegn på, at dynamikken i økonomien er af stor betydning. Derfor er det også relevant at lave et eksperiment, hvor vi i stedet ændrer på overgangssandsynlighederne. Vi forestiller os, at man (fx ved politisk indgreb) kan øge sandsynligheden for, at beskæftigede vedbliver at være beskæftigede med 1%-point. Den modgående effekt antages at være, at sandsynligheden for at blive ledig falder med samme 1%-point. Disse ændringer er gennemført på overgangsmatricer, der som nævnt gælder for 5 år, dvs. hvis en 40-årig er be-skæftiget, har vi i eksperimentet øget hans chance for fortsat at være det som 45-årig med 1%-point. Ændringen har en multiplikativ effekt i den forstand, at 36-årige skal igennem 6 overgangsmatricer af 5 år for at blive 66 år, og i hver af disse 5-årige overgange er beskæftigelseschancen større. Resultatet på langt sigt er vist i tabel 3.5. Tabel 3.5. Langsigtet effekt af ændret overgangsmatrice. I alternativforløbet er antaget, at de beskæftigedes sand-

synlighed for at vedblive i beskæftigelse 5 år senere er øget 1% -point og sandsynligheden for at blive ledig er modsvarende faldet.

År Førtidspension Efterløn Ledig Beskæftigelse Hjemme 2089 -0,0002 -0,0004 -0,008 0,0087 -0,0002 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Groft regnet flyttes 1% af befolkningen fra ledighed til beskæftigelse, altså cirka samme effekt som for eksperimentet med ændringen i initialfordelingen. Hvis man kan ændre 1%-point på overgangsmatricerne, er det altså lige så effektivt (mht. andelen af befolkningen, der er beskæftiget) som at ændre 5%-point på initialfordelingen. Kan man nu forestille sig, at beregningerne er realistiske for sådanne politiktil-tag (hypotetiske eksperimenter)? Svaret er ’nej’, eller i det mindste ’kun under visse strenge antagelser’. I eksperimentet med ændrede initialfordelinger anta-ges de 5%-point ekstra beskæftigede jo at opføre sig (have samme mobilitet) som de allerede beskæftigede. Men i realiteten må man forvente, at et eller andet arbejdsmarkedstiltag, der får flere unge i beskæftigelse, påvirker unge, der har lille arbejdsmarkedstilknytning sammenlignet med allerede beskæfti-

27

gede. Resultatet af eksperimentet er derfor snarere en øvre grænse for, hvor godt man kan forestille sig det går ved et sådant eksperiment. I bilag 4 er dette forklaret nærmere. Der er forskel på et sådant ’hypotetisk’ eksperiment, hvor vi sammenkobler en manipuleret initialfordeling på tilstande med en observeret overgangsmatrice, og et ’naturligt’ eksperiment, hvor man sammenligner to år med disse års ob-serverede overgangsmatricer og observerede initialfordelinger. Hvis betragt-ningerne i foregående paragraf er rigtige, vil en observeret overgangsmatrice hørende til en initialfordeling med relativt mange beskæftigede være sammen-faldende med relativt lille sandsynlighed for, at de mange beskæftigede vedbli-ver at være beskæftigede.2 Tilsvarende argument kan siges for eksperimentet med ændret overgangs-matrice. Eksperimenterne er alligevel interessante, fordi det ofte er let at fore-stille sig, at resultaterne er skæve i en bestemt retning, således at effekterne formentlig altid overdrives, så de kan tolkes som øvre grænser for effekterne.

2 Indsatsen rettet mod unge ledige i sidste halvdel af 90’erne kunne være et eksempel på så-danne tiltag.

29

Kapitel 4. Ændret uddannelsesfordeling Mens den fremtidige aldersfordeling peger i retning af, at forsørgerbyrden øges gennem førtidspension, så er unge relativt veluddannede og kan forventes fort-sat at være det. Veluddannede har statistisk set bedre tilknytning til arbejds-markedet. Hvis uddannelsesfordelingen ændres yderligere, kan det bidrage til, at befolkningen gennemsnitligt set har større tilknytning til arbejdsmarkedet. Vi laver et sådant eksperiment i fremskrivningen.3 I fremskrivningen i foregående kapitel er der sådan set taget højde for, at unge er mere veluddannede end ældre. Det er der dels i initialfordelingen, der jo er gennemsnit over uddannelseskategorier, dels i de unges overgangsmatrice, der også er gennemsnit over mobilitet for folk af forskellig uddannelseskategori. Effekten af ændret uddannelsesfordeling fås derfor ikke ved at sammenligne fremskrivningerne i dette afsnit med fremskrivningerne i foregående kapitel, men ved at lave forskellige fremskrivninger med forskellige antagelser om de unges uddannelsesfordeling. Tabel 4.1 viser uddannelsesfordelingen for forskellige aldersgrupper. Beklageligvis er uddannelsesoplysninger ikke af bedste kvalitet, fordi der er mange uoplyste, og inddelingen er derfor temmelig grov.

Tabel 4.1. Fordeling på uddannelse særskilt på aldersgruppe Specialarb., uoplyst

mv. Faglært Videregående uddan-

nelse 32-36-årige 0,360 0,451 0,189 62-66-årige 0,563 0,329 0,108 32-66-årige 0,404 0,427 0,169 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Som forventet er der flere uddannede blandt de unge. Tabel 4.2 viser overgangsmatricer for specialarbejdere eller personer med uop-lyst uddannelse og for personer med videregående uddannelse.

3 Man kunne også lave beregninger, hvor man så på ændringer i andre forhold, for eksempel andelen med erhverv med forskellig belastning.

30

Tabel 4.2.a. Overgangsmatrice for 42-46-årige for specialarbejdere eller personer uden uddannelsesoplysning

Tilstand periode t Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde t+1, ude t

Førtidspension 0,98269 - 0,00358 0,00222 0,03159 0,07407 Efterløn - - - - - - Ledig 0 - 0,83294 0,02070 0,13609 0,07407 Beskæftigelse 0,00192 - 0,07518 0,93272 0,16039 0,03704 Hjemmegående 0 - 0,07518 0,04030 0,64399 0,81481

Tilstand periode t+1

Ude t+1, inde t 0,01538 - 0,01313 0,00407 0,02795 - Tabel 4.2.b. Overgangsmatrice for 42-46-årige for personer med vide-

regående uddannelse Tilstand periode t

Førtids-pension

Efterløn Ledig Beskæftig- else

Hjemme Inde t+1, ude t

Førtidspension , - 0 0,00046 0,00810 0 Efterløn - - - - - - Ledig , - 0,82090 0,00958 0,14980 0,03030 Beskæftigelse , - 0,11940 0,95577 0,29555 0,57576 Hjemmegående , - 0,05970 0,02645 0,52632 0,39394

Tilstand periode t+1

Ude t+1, inde t , - 0 0,00775 0,02024 - Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Anm.: Der er ingen førtidspensionister blandt 42-46-årige med videregående uddan-

nelse i stikprøven. Uanset tidligere tilstand, er der for specialarbejdere eller personer uden oplyst uddannelse større sandsynlighed for at blive førtidspensionister og mindre sandsynlighed for at blive beskæftiget end sammenlignet med personer med videregående uddannelse. Det skal også nævnes, at langt flere med videregå-ende uddannelse er beskæftigede som 32-36-årige, når de trækkes ind i analy-sen. Teknisk set foregår fremskrivningerne nøjagtig som i foregående kapitel, blot med den modifikation, at der foretages en fremskrivning for hver uddannelses-kategori. Fremskrivningerne for de tre kategorier lægges slutteligt sammen for at få fordelingen på tilstande for hele befolkningen. Vi laver nu to fremskrivninger til illustration af uddannelsens betydning. I den første fremskrives under den antagelse, at fremtidige unge generationer har samme uddannelsesfordeling som de unge i tabel 4.1 – dvs. fremtidens unge ligner uddannelsesmæssigt de nuværende unge. I den anden fremskrivning antages, at de fremtidige unge har den uddannelsesfordeling, som folk i alle aldre har, og som er vist i sidste række i tabel 4.1. (Det er jo oplagt ikke noget realistisk bud på fremtiden, at fremtidens unge således skulle være mindre ud-dannede end de nuværende unge, men fremskrivningen er da heller ikke lavet som en prognose, men som en måde at illustrere uddannelsens betydning.) De to fremskrivninger trækkes fra hinanden. Resultatet over tid for førtidspensioni-ster er vist i figur 4.1 og for hele befolkningen på langt sigt i tabel 4.3.

31

Figur 4.1. Andel førtidspensionister i fremskrivning, hvor fremtidens unge er fordelt på uddannelse som fordelingen er nu for 32-66-årige eller som fordelingen er nu for 32-36-årige

udd. som 32-36-årige udd. som 32-66-årige

Andelaf 32-66-årige

0.070

0.075

0.080

0.085

0.090

0.095

0.100

Fremskrivningsår

1999 2009 2019 2029 2039 2049 2059 2069 2079 2089

Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Figuren viser, at forskellen på andelen af førtidspensionister i de to fremskriv-ninger gradvist vokser, efterhånden som de to uddannelsesfordelinger for de unge slår igennem på alle aldersgrupper. Efter 40 år og fremefter er der 0,4% færre førtidspensionister, hvis de unge fremover har samme uddannelsesforde-ling som de nuværende unge i stedet for ’kun’ at være uddannet som alle mel-lem 32 og 66 år er nu. Tabel 4.3 viser effekten på alle tilstande på langt sigt. Tabel 4.3. Effekt af uddannelse på tilstandsfordeling i fremskrivnin-

gen: Fremskrivning hvor fremtidens unge er fordelt på uddannelse som fordelingen er nu for 32-66-årige minus fremskrivning som fordelingen er nu for 32-36-årige

Førtidspension Efterløn Ledig Beskæftigelse Hjemme

2089 0,0033 0,0010 0,0043 -0,0118 0,0030 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. princippet i

fremskrivninger, se bilag 1. Tabellen viser, at hvis uddannelsesfordelingen vitterligt skulle ændres tilbage til, hvad der gælder nu for alle aldre, vil der på langt sigt blive færre beskæfti-gede (ca. 1%).

32

Disse skøn lider af samme type systematiske fejl som effektberegningerne i foregående kapitel. Hvis man vitterligt foretog et tiltag, så færre fik en lang vide-regående uddannelse, fx ved at gøre det sværere at komme på universitet, så ville det formentlig ikke være tilfældigt (set i forhold til beskæftigelsesmulig-heder), hvem der ikke længere fik uddannelse. Man må forestille sig, at de, der ikke længere får videregående uddannelse også af andre årsager vil have min-dre sandsynlighed for beskæftigelse end de, der fortsat får uddannelse. Men i fremskrivningerne kan vi ikke se forskel på disse to grupper. Konsekvensen er, at tallene i fx tabel 4.3 overvurderer effekten af ændret uddannelse.

33

Kapitel 5. Relateret litteratur Denne type metode er vidt udbredt i mange forskellige sammenhænge, så me-ningen med dette kapitel er kun at give et par (danske) eksempler, der på ingen måde kan tages som repræsentative. Nærliggende er at nævne, at befolkningsfremskrivninger anvender denne type metode. Simple befolkningsfremskrivninger indeholder måske kun en tilstand, nemlig levende, men død og fødsel svarer dog til den slags ’bevægelser’, der i vores papir svarer til, at personerne ryger ud og ind af analysens aldersgruppe. I Danmarks Statistiks og DREAM-gruppens befolkningsfremskrivninger er des-uden beregnet sandsynligheder for indvandreres og efterkommeres overgange til gruppen af ’øvrige’ (’oprindelige’ danskere), (Danmarks Statistik (2002), Ste-phensen (2001)). Ved befolkningsfremskrivninger gøres ofte en del ud af at vurdere fremtidig fertilitet og ikke blot videreføre den aktuelle fertilitet. Det er fx relevant for indvandrerkvinder, hvor der kan ventes et gradvist fald. Dødssand-synligheder kan være midlertidig høje fx pga. influenzaepidemi. Danmarks Sta-tistiks befolkningsfremskrivning foretages også på amtsniveau (og kommu-neniveau). Fremskrivningen foretages hvert amt for sig, med til- og fraflytnings-sandsynligheder og ikke med en samlet overgangsmatrice mellem alle amter i landet. I debatten om ældrebyrdeproblemer er der dels brug for befolkningsfrem-skrivninger og dels brug for beregninger af pensionsopsparing. Det sidste af-hænger i høj grad af livsindkomst og karriere på arbejdsmarkedet. I analyser af Det økonomiske Råd og Regeringen er livsindkomster beregnet med udgangs-punkt i, at folk (inden for en bestemt gruppe) har en fast placering i indkomst-fordelingen. Man ser derfor bort fra (i hvert fald nogle) bevægelser i indkomst-fordelingen, hvilket formentlig trækker i retning af at overvurdere indkomst-spredningen (Regeringen (2000), bilag 4.1, Det økonomiske Råd (1998), afsnit II.7). Omvendt er det vanskeligere at bruge metoden for kontinuerte størrelser som indkomst end for diskrete størrelser som tilstand. Endelig korrigeres ind-komster for beskæftigelsesomfang. Dette beregnes på baggrund af historiske erfaringer dels i det sidste statistikdækkede år, dels tilbage i tiden. Metoden er altså ikke som i dette papir (i hvert fald hvad angår Det økonomiske Råd (1998), mens Regeringen (2000) taler om at blive ledig, s. 93). Det økonomiske Råds beregninger af livsindkomster til brug for beregning af omfordeling via offentlige ydelser (Det økonomiske Råd (2001), Jørgensen (2001)) er ikke ment som fremskrivninger, men livsindkomstberegningerne kan alligevel sammenlignes med metoden i dette papir. På baggrund af 8 års stati-stik sammenkædes personer med forskellig alder til hele livsforløb ud fra sam-me karakteristika. Disse livsforløb afspejler fx de overgange mellem be-skæftigelse og ledighed, der rent faktisk har fundet sted gennem de 8 år. Be-tragtes metoden som fremskrivning, kan den derfor måske minde om vores fremskrivninger, hvis vi så på overgangsmatricer baseret på 8 års erfaringer.

34

Metoden bruges i Undervisningsministeriets fremskrivninger af personers be-vægelser mellem forskellige uddannelser og mellem at være i uddannelse eller ej (Undervisningsministeriet (2000)). Metoden er også brugt inden for land-brugsområdet til analyser af, hvilke typer brug der fremover findes (Ministeriet for Fødevarer, Landbrug og Fiskeri (1998)). Endelig, og måske mest relevant i sammenhængen, findes metoden som byg-gestene i økonomiske modeller. For eksempel i SofiS (Liebing m.fl. (1999)), hvor personer bevæger sig mellem ledighed og beskæftigelse og mellem om-råder, hvor de søger arbejde. Modellen fokuserer dog kun på steady state -løsninger (som i kapitel 2 ovenfor) og ikke på dynamikken (som i kapitel 2, 3 og 4 ovenfor). Sigtet er i sådanne modeller mere ambitiøst, fordi man også (og især) vil søge forklaringer på bevægelser.

35

Kapitel 6. Sammenfatning Vi har i papiret illustreret en metode til at fremskrive befolkningens fordeling på sociale tilstande ud fra den aktuelle mobilitet. Som konkret anvendelse har vi i særlig grad fokuseret på førtidspension. Vi har undersøgt, om den ventede fremtidige ændring i aldersfordelingen med relativt flere ældre vil betyde, at en større andel bliver førtidspensionister. Vi finder, at der er en sådan effekt, men finder også, at de langsigtede konsekvenser af de seneste års relativt få tildelinger af førtidspension trækker så kraftigt i modsat retning, at andelen af førtidspensionister fremskrives til at falde (kapitel 3). Det væsentligste forbehold man må tage over for et sådant resultat – og meto-den generelt – er nok, at den aktuelle mobilitet ofte kan tænkes at dække over midlertidige fænomener. For eksempel kunne det tænkes, at de få tildelinger af førtidspension dækker over udskudte tildelinger, fordi alle andre muligheder søges afprøvet. Endelig er det værd at huske på, at få førtidspensionister ikke nødvendigvis er lig flere beskæftigede – det opnås nemlig ikke i fremskrivnin-gen i kapitel 3. Det viser, at det er værd at have ’alle’ tilstande med i analysen og ikke kun lave en analyse for førtidspension eller ikke-førtidspension. Vi foretager en række hypotetiske eksperimenter i papiret, nemlig en ændret initialfordeling for unge (nytilkomne i analysens aldersgruppe), således at flere begynder som beskæftigede (kapitel 3), en ændret mobilitet, så der er større sandsynlighed for at vedblive at være beskæftiget (kapitel 3), og en ændret ud-dannelsesfordeling (kapitel 4). Med hensyn til initialfordeling kontra mobilitet synes effekten af ændret mobilitet relativt stor. Vi argumenterer for, at den type hypotetiske eksperimenter snarere angiver øvre grænser for effekternes størrelse end middelrette skøn. Alligevel kan de have værdi, netop fordi det synes rimeligt at angive, den retning skønnene er skæve.

37

Litteratur Danmarks Statistik (2002): ”Statistiske Efterretninger. Befolkning og valg, 2002:11”. Den sociale Ankestyrelse (2002): ”Hovedtendenser på førtidspensionsområ-det 2002:2”, www.dsa.dk. Det økonomiske Råd (1998): ”Dansk økonomi. Efterår 1998”. Det økonomiske Råd (2001): ”Dansk økonomi. Efterår 2001”. Jørgensen, Steen (2001): ”Analyser af indkomstfordelingen”, Det økonomiske Råds Sekretariat, www.dors.dk. Liebing, Christian S., Lars Pico Geerdsen, Mikkel B. Munksgaard, Lisbeth Pedersen (1999): “Sofis – en strukturmodel”, Socialforskningsinstituttet rapport nr. 99:7. Ministeriet for Fødevarer, Landbrug og Fiskeri (1998): ”Landbrugets struk-turudvikling”, betænkning 1351. www.dffe.dk. Regeringen (2000): ”Et bæredygtigt pensionssystem”. Stephensen, Peter (2001): ”DREAMs disaggrerede befolkningsfremskrivning til år 2100”, www.dreammodel.dk. Undervisningsministeriet (2000): ”De videregående uddannelser i tal”, www.uvm.dk.

39

Bilag 1. Fremskrivningsmetoden – teknisk gennemgang I afsnittet gennemgås fremskrivningsmetoderne på en mere teknisk facon, end tilfældet hidtil har været. Til gengæld er der færre verbale forklaringer i afsnittet. B1.1. Fremskrivning uden hensyntagen til alders- og

uddannelsesfordeling Lad A være en overgangsmatrice som vist i tabel 2.1. Matricen A beskriver altså i komprimeret form, hvordan populationen statistisk set bevæger sig fra den ene periode til den anden. Et enkelt element i matricen betegnes ija , der angiver sandsynligheden for, at en person i tilstand j i næste periode er i til-stand i . Vi kan nu bruge fordelingen tP i udgangssituationen kombineret med over-gangsmatricen til at fremskrive fordelingen en periode frem. Det sker ved

1t tP AP? ? Og sådan kan vi fortsætte i det uendelige. Fremskrives to år haves

? ? 22 1t t t tP AP A AP A P? ?? ? ?

og n år

nt n tP A P? ?

Desto længere vi fremskriver (dvs. desto større n ), desto mindre ændres forde-lingen ved at fremskrive yderligere et år. I en ’steady state’ tilstand sker der in-gen ændring fra år til år. Steady state fordelingen P findes ved at løse ligningen P AP? for P . Man kan tage hensyn til, at nogle personer hvert år forsvinder ud af de fem til-stande ved at udvide matricen, således som tabel 2.1 er udvidet til tabel 2.3. Bemærk, at ved denne type beregninger af tilstande i steady state, foretages implicit en fremskrivning af befolkningsstørrelser. Teknisk set ses det ved, at der i matricen A ’s sidste søjle og række beskrives, hvor mange, der ryger hen-holdsvis ind og ud af analysen (dvs. ind og ud af aldersgruppen 32-66 år). I steady state svarer størrelsen af disse to gruppe til hinanden, dvs. der bliver ’født’ lige så mange som der ’dør’ – i god overensstemmelse med begrebet

40

steady state, hvor der ikke er kræfter, der trækker i retning af at ændre forde-lingen på tilstande. Man kunne tænke sig at undgå denne kunstige befolk-ningsprognose ved alene at se på mobiliteten af personer, der i alle de stati-stikdækkede år er med i analysen. Det vil imidlertid give meget skæve resulta-ter for specielt førtidspension og efterløn, fordi det er tilstande, som man kan komme ind i fra beskæftigelse, men (statistisk set næsten) kun komme ud af ved at fylde 67 år. Derfor ville en analyse uden denne kunstige ind- og udgang af gruppen på 32-66 år kun rumme tilgang til fx førtidspension, og ville derfor fremskrive for store andele førtidspensionister i steady state. B1.2. Fremskrivning med hensyntagen til aldersforde-

ling Lad aA være en overgangsmatrice specifik for alder a , og lad a

tP være forde-lingen af populationen med alder a på tidspunkt t . Som tiden går bliver både t og a naturligvis større. Fremskrivningen af en bestemt generations fordeling foregår som i beregningerne i afsnittet ovenfor. Fordelingen af alle generationer på et givet tidspunkt fås som summen af fremskrivningerne for de forskellige generationer. På tidspunkt t består den samlede befolkning tP således af

summen af atP over a . Hvert af leddene a

tP skal beregnes. Alder løber fra

1a ? til a s? . Beregningen i fremskrivningsårene bliver som følger: For den yngste alderskategori skal som diskuteret antages, hvor stort antallet af personer er, og hvordan de er fordelt på tilstande, dvs.

1 er givettP Idet 1a ? er yngste alderskategori. For næstyngste alderskategori benyttes overgangsmatricen for yngste alderskategori og den netop viste fordeling, dvs.

2 1 11t tP A P ??

Og for tredjeyngste aldersklasse bliver fremskrivningen

3 2 2 2 1 11 2t t tP A P A A P? ?? ?

hvor vi altså har fremskrevet den samme generation i to perioder og derfor brugt overgangsmatricerne, der gælder for næstyngste og yngste generation,

2A og 1A . Hvis vi kun skriver en periode frem fra sidste statistikdækkede år, tager vi naturligvis udgangspunkt i den kendte fordeling på tilstande for genera-tionen i foregående periode, således at beregningen alene bliver

3 2 21t tP A P ?? .

41

Fremskrives 1a ? perioder frem fås

1 2 ( 1) 1( 1)

a a a a at t aP A A A P? ? ? ?

? ?? ? Fordelingen på tilstande i alle generationer findes ved summation

11

( 1)1 1 1

as sa h

t t t aa a h

P P A P?

? ?? ? ?

? ?? ? ?

( 0A er enhedsmatricen). B1.3. Fremskrivning med hensyntagen til alders- og

uddannelsesfordeling Fordelt på alder og uddannelse er beregningerne af samme type, men mere omfattende at skrive op. Udgangspunktet er nu alders- og uddannelsesspeci-fikke overgangsmatri cer ,e aA og fordelingen ,e a

tP på tidspunkt t af befolkningen af alder a og uddannelse e . Uddannelsesindeks løber fra 1e ? til e v? . Initial-fordelingen ,1e

tP må antages for alle ,e t . Beregningerne kører præcist som ovenfor, dog udledt for hver enkelt uddannelseskategori. Slutteligt lægges alle uddannelseskategorier sammen. For fuldkommenhedens skyld skrives fremskrivningen første, andet, tredje og sidste år. Som ovenfor skal gøres antagelser om de nye generationers størrel-ser, og der skal gøres antagelser om fordeling på uddannelse og uddannelses-betingede tilstande.

,1

,2 ,1 ,11

,3 ,2 ,2 ,2 ,1 ,11 2

, , 1 , 2 , ( 1) ,1( 1)

er antaget et

e e et t

e e e e e et t t

e a e a e a e a a et t a

P

P A P

P A P A A P

P A A A P

?

? ?

? ? ? ?? ?

?

? ?

?

?

?

På tidspunkt t bliver den samlede fordeling på tilstande for uddannelseskate-gori e

1, , ,1

( 1)1 1 1

as se e a e h e

t t t aa a h

P P A P?

? ?? ? ?

? ?? ? ?

og endelig findes den samlede fordeling i hele populationen ved summering over alle uddannelsesgrupper

42

1

ve

t te

P P?

? ?

43

Bilag 2. Data B2.1. Kilder Næsten alle data er fra Danmarks Statistiks registre, hvorfra der til ’Datapro-jektet’ (se afsnittet ’Om undersøgelsen’) er foretaget en række udtræk. Disse udtræk omfatter knap 1% af befolkningen i årene 1994-2000. De af Danmarks Statistiks registre vi særligt bruger, er indkomststatistikregistret, den sammen-hængende socialstatistik, forløbsregistret for arbejdsmarkedsforanstaltninger og IDA-registret. I analysen belyser vi årene 1995-2000 og personer mellem 32 og 66 år, der ikke er i gang med en uddannelse. Når vi ser på denne aldersgruppe, er det, fordi vi gerne vil afslutte analysen ved alderen for alderspension, og gerne vil ser på aldersgrupper af fem år. Der er således seks aldersgrupper af fem år mellem 32 og 66 år (32-36 til 62-66). B2.2. Definition af tilstande I papiret har vi grupperet hvert individ hvert år i en af fem kategorier. Vi beskri-ver nu, hvordan denne gruppering er foretaget. Det vanskelige ved en sådan gruppering er, at alle skal placeres i netop en gruppe. Der er derfor ikke umid-delbart nok at finde på en ’primær’ definition (hvormed vi mener en isoleret set fornuftig definition) af at være beskæftiget, ledig eller en hvilken som helst an-den kategori. For uvægerligt vil der være nogle personer, der bliver placeret mere end et sted, og nogle der slet intet sted bliver placeret. Grupperingen er derfor lavet ved en primær definition kombineret med en rang-ordning af grupperne, der givet en endelig fordeling. En nærmere beskrivelse af de primære definitioner følger efter tabellen.

44

Tabel B2.1. Primær definition og endelig fordeling Rangordning Primær definition Endelig fordeling 1. Førtidspension Modtager førtidspension på mindst

10.000 kr. Opfylder egen primære defi-nition.

2. Efterløn Modtager efterløn på mindst 10.000 kr.

Opfylder egen primære defi-nition, men ikke den primære defi-nition for 1.

3. Ledig Modtager ledighedsunderstøttelse i bred forstand i mere end halvdelen af året

Opfylder egen primære defi-nition, men ikke den primære defi-nition for 1 eller 2.

4. Beskæftiget Arbejder mindst en fjerdedel af året, eller tjener mindst 150.000 kr. ved selvstændig virksomhed

Opfylder egen primære defi-nition, men ikke den primære defi-nition for 1-3.

5. Hjemmegående Ingen Opfylder ingen af de primæ-re definitioner for 1-4.

De primære definitioner er som følger: Førtidspension En person er førtidspensionist i et år, hvis hun modtager over et vist minimum (10.000 kr.) i førtidspension. Disse beløb findes hos Danmarks Statistik. Defi-nitionen er næppe så problematisk. Da førtidspensionister sjældent går tilbage på arbejdsmarkedet, afgør definitionen, hvilket år der skal være det første år som førtidspensionist. Efterløn Definitionen og data er som for førtidspension, naturligvis blot med efterløns-modtagelse som afgørende faktor. Ledighed ’Ledighed’ omfatter i papiret personer, som modtager en bred kategori af ydel-ser, der omfatter de fleste former for aktiveringsordninger, revalidering samt andre, der er registreret ledige. Ledighed omfatter ikke personer i orlovsordnin-ger, i fleks- og skånejob og heller ikke personer på kontanthjælp, der ikke er re-gistreret ledige. Hvis en person er i en af disse tilstande over halvdelen af årets dage, er hun ’ledig’. Optællingen af dage er baseret på Danmarks Statistisk forløbsregister, der angiver start- og slutdato for hver ’sag’. Beskæftigelse Definitionen er vanskeligere end de foregående, fordi der ikke fra Danmarks Statistik findes direkte oplysninger om antal dage et individ er beskæftiget, lige-som der skal tages højde for, at folk kan være deltidsbeskæftigede og selv-stændige. I første trin definerer vi antallet af dage, hvor individet er beskæftiget fuld tid. Der findes fra Danmarks Statistiks oplysninger om årlig lønsum, timeløn og ud

45

fra en antagelse om, at en arbejdsdag er 8 timer på fuld tid, kan antallet af da-ge, hvor en person er beskæftiget, findes som

8Lønsum

Timeløn?

Hvis dette tal er større end 0.25 360? , er individet defineret som beskæftiget. Hun er også defineret som beskæftiget, hvis indkomsten fra egen virksomhed er større end 150.000 kr. Ifølge denne primære definition af beskæftigelse vil personer med ønske om fuldtidsarbejde, der kun opnår dette i 0.25 360 1 91? ?? dage blive betragtet som beskæftigede. Men i den endelige gruppering vil en sådan person jo modtage ledighedsunderstøttelse i en stor del af året og på grund af rangordningen blive klassificeret som ledig frem for beskæftiget (jf. tabel B2.1). Omvendt vil en del-tidsbeskæftiget uden eller med begrænset ledighed blive klassificeret som be-skæftiget. Der er som nævnt ingen primær klassifikation for den sidste gruppe, der i den endelige opgørelse blot er defineret residualt som dem, der ikke hører til andet sted. Men vi har jo benævnt gruppen ’hjemmegående’ og vil gerne have, at personer derfra ligner dem, man i daglig tale kunne mene var hjemmegående, altså fx personer karakteriseret ved lille indkomst, få dage i beskæftigelse, få dage på ledighedsunderstøttelse og lignende. En kontrol af den faktiske forde-ling vil derfor være at sammenligne forskellige mål (fx indkomst) for hjemmegå-ende og de øvrige tilstande. En kontrol af de primære definitioner vil være at se, hvor mange personer, der er klassificeret i mere end en af de fire tilstande med en primær definition. De næste tabeller viser dette.

46

Tabel B2.2. Sammenligning af tilstande for gennemsnit og varians af forskellige mål

Lønsum, 1000 kr. pr. år

Beskæftigelse dage pr. år

Ledighed dage pr. år

Sygedagpenge 1000 kr. pr. år

Alder

Førtidspension Gns. 5 88 117 2 55 Std.afv.. 24 148 85 11 9 Efterløn Gns. 13 125 149 0 62 Std.afv. 38 65 94 3 4 Ledighed Gns. 50 107 300 3 45 Std.afv.. 60 120 61 10 9 Beskæftigelse Gns. 242 201 73 6 45 Std.afv. 131 199 50 14 8 Hjemmegående Gns. 44 55 103 12 46 Std.afv. 80 24 50 32 10 Kilde: Egne beregninger på registre fra Danmarks Statistik. Hjemmegående har lille lønsum og mindre beskæftigelse end ledige. De er ydermere i høj grad syge. De er mere ledige end de beskæftigede, men har samlet set mindre arbejdsmarkedstilknytning end både ledige og beskæftigede. Tabellen viser desværre også, at fx efterlønnere og førtidspensionister får regi-streret relativt mange dage i ledighed eller beskæftigelse. Desuden er det sam-lede antal dage for ledige i ledighed og beskæftigelse over 365. Forklaringen er, at nogle på aktiveringsordningerne får registreret indkomsten som løn, der således regnes med i beskæftigelse. Nogle efterlønneres indkomst kan mulig-vis være fejlregistreret, som andet end efterløn og/eller de kan have del-tidsbeskæftigelse. Generelt skyldes problemet nok, at ledighedsdefinitionen bygger på mangeartede ’sager’, der også kan vedrøre personer vi ikke opfatter som ledige. Tabellen viser også, at de ’ledige’ vitterligt er hårdt ramt af ledighed. Tabel B2.3 viser den andel af populationen, der er omfattet af to primære defi-nitioner. Tabel B2.3. Andel af population omfattet af to primære definitioner, i

procent. Førtidspension Efterløn Ledighed Beskæftigelse Førtidspension - Efterløn 0.02 - Ledighed 0.01 0.07 - Beskæftigelse 0.25 0.04 2.13 - Anm.: Tabellen er symmetrisk og diagonalcellerne giver ikke mening. Tabellen viser, at temmelig få er med i mere end en tilstand og peger altså der-for på en god side ved grupperingen. Dog er 2,13% grupperet som både be-skæftigede og ledige.

47

B2.3. Overgangsmatricerne Estimationen er ganske simpel. I en tabel som 2.2.a, men med antal personer i hver celle, divideres hver søjle igennem med søjlesummen. Der er altså ikke tale om et forsøg på statistisk forklaring af sandsynligheden for bestemte over-gange. Man kunne forestille sig, at fx overgangen fra beskæftiget til ledig var søgt statistisk forklaret som funktion af fx alder, uddannelse, køn, civilstand, løn, understøttelse, regler for lediges aktivering osv. Det er dog uden for papi-rets sigte. (Bortset fra, at vi jo i papiret har diskuteret effekter af alder og ud-dannelse, ved at kontrollere særskilt for disse.) Mange andre analyser beskæf-tiger sig hermed. Den måde, de to typer analyser kan spille sammen på, er, at hvis en anden analyse viser effekterne af fx understøttelse på overgange, så kan metoden i dette papir bruges til at beregne de fulde langsigtede effekter af ændringer i understøttelse. I beregningerne med egentlige befolkningsfremskrivninger (kapitel 3 og 4) er der foretaget nogle forenklinger. For det første er overgangsmatricerne beregnet som et gennemsnit af de fem årlige overgangsmatricer fra 1995 til 1999. Der giver en slags gennemsnitlig mobilitet fra et år til det næste (skønt årene ikke er veldefinerede for dette gen-nemsnit).4 For det andet er personer grupperet i femårs-intervaller og fremskriv-ningerne foretages følgelig for hvert femte år. Hvis en årlig overgangsmatrice er A er den tilhørende femårige overgangsmatrice 5A . Overgangen fra personer mellem 32-36 år til mellem 37-41 år er beregnet som et simpelt gennemsnit af de overgange, der gælder for de to aldersgrupper, dvs. som

? ?5 532 35 37 410.5 A A? ??? .

B2.4. Befolkningsfremskrivningen Vi har i kapitel 3 og 4 brug for et skøn over antallet af personer på 32-36 år i årene 2004, 2009, ..., 2089. For årene 2004-2029 kan et sådant skøn findes i Danmarks Statistiks befolk -ningsfremskrivninger i den elektroniske statistikbank (hentet i ’Amtvis befolk-ningsfremskrivning’ 18/10-2002). For et givet år senere end 2029 findes antal-let af 32-36-årige, som de personer, der er med i Danmarks Statistiks frem-skrivning år 2029 og som ville være 32-36 år, det pågældende år. Vi ser her-med bort fra, at nogle dør inden da. Vi ser også bort fra migration. For år 2064-2089 er antallet af 32-36-årige konstant lig antallet i 2029. Det betyder, at der ikke kommer flere impulser fra demografien efter år 2089.

4 Og yderligere er der for enkelthedens skyld snydt en lille smule: I beregning af dem, der forla-der analysen, burde man have set på dem, der er med for sidste gang i 1995-1998, men i ste-det er set på dem, der med for sidste gang i 1996-1999.

48

Med hensyn til indeksene figur 3.1: For 32-36-årige er kurven baseret på oven-nævnte prognose (samt folketallet for 32-36-årige i 1999, også fra statistikban-ken). For kurven for 62-66-årige er beregnet, hvor mange af de yngre generati-oner, der overlever til de er 62-66-årige. Således er antallet af 57-61-årige i 1999 omregnet til 62-66-årige i 2004. Dertil er brugt en dødelighedstabel fra Danmarks Statistik (Statistisk Årbog, 1999).

49

Bilag 3. Tabeller Tabel B3.1. Stikprøvestørrelsen. Antal 32-66-årige, der ikke er i gang med

uddannelse 1994 1995 1996 1997 1998 1999 2000 Antal 19.047 20.166 21.183 21.437 21.879 22.448 22.406 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Tabel B3.2. Fordeling på tilstande 1998, alle personer i stikprøven Førtidspension Efterløn Ledighed Beskæftigelse Hjemme I alt

Antal 2.173 1.494 2.722 12.836 2.654 21.879 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Tabel B3.3. Fordeling på tilstande 1998, særskilt for aldersklasser Antal Førtidspension Efterløn Ledighed Beskæftigelse Hjemme I alt 32-36-årige 81 . 560 2.484 607 3.732 37-41-årige 146 . 532 2.283 427 3.388 42-46-årige 202 . 457 2.270 395 3.324 47-51-årige 299 . 412 2.411 318 3.440 52-56-årige 356 162 427 2.008 334 3.287 57-61-årige 489 415 298 1.114 299 2.615 62-66-årige 600 917 36 266 274 2.093 I alt 2.173 1.494 2.722 12.836 2.654 21.879 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Tabel B3.4. Fordeling på tilstande 1998, særskilt for uddannelse Antal Førtidspension Efterløn Ledighed Beskæftigelse Hjemme I alt Specialarbejdere og personer uden udd.-oplysninger 1.484 813 1.378 3.759 1.268 8.702 Faglærte 566 580 1.077 6.206 1.017 9.446 Videregående 123 101 267 2.871 369 3.730 I alt 2.173 1.494 2.722 12.836 2.654 21.879 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Tabel B3.5. (tabel 2.3 og figur 2.2) Fordeling på tilstande i fremskrivning

baseret på overgangsmatricen 1999/2000

50

Andele Førtidspension Efterløn Ledighed Beskæftigelse Hjemme 1999 0,09073 0,06775 0,12215 0,60578 0,11359 2004 0,07629 0,06691 0,11328 0,63727 0,10625 2009 0,06727 0,06662 0,11005 0,65074 0,10533 2014 0,06181 0,06663 0,10909 0,65728 0,10519 2019 0,05854 0,06674 0,10885 0,66069 0,10519 2024 0,05658 0,06687 0,10880 0,66254 0,10520 2029 0,05541 0,06699 0,10881 0,66357 0,10522 2034 0,05471 0,06707 0,10883 0,66416 0,10523 2039 0,05430 0,06713 0,10884 0,66450 0,10523 2044 0,05405 0,06717 0,10885 0,66469 0,10524 2049 0,05390 0,06720 0,10886 0,66481 0,10524 2054 0,05381 0,06721 0,10886 0,66487 0,10524 2059 0,05376 0,06722 0,10886 0,66491 0,10524 2064 0,05373 0,06723 0,10886 0,66494 0,10524 2069 0,05371 0,06723 0,10886 0,66495 0,10524 2074 0,05370 0,06724 0,10886 0,66496 0,10524 2079 0,05369 0,06724 0,10886 0,66496 0,10524 2084 0,05369 0,06724 0,10886 0,66497 0,10524 2089 0,05369 0,06724 0,10886 0,66497 0,10524 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. fremskrivnings-

metode, se bilag 1. Tabel B3.6. (figur 3.1) Udvikling i antal 32-36-årige, antal 62-66-årige. Det

indbyrdes størrelsesforhold mellem de to grupper. 32-36-årige 62-66-årige

Antal Indeks Antal indeks 62-66-årige i for-

hold til 32-36-årige

1999 20836 1,000 12212 1,000 0,586 2004 19200 0,921 14210 1,164 0,740 2009 18773 0,901 16714 1,369 0,890 2014 16487 0,791 18657 1,528 1,132 2019 15636 0,750 17421 1,427 1,114 2024 17253 0,828 17476 1,431 1,013 2029 18667 0,896 18313 1,500 0,981 2034 18186 0,873 16875 1,382 0,928 2039 17300 0,830 16500 1,351 0,954 2044 16134 0,774 14490 1,187 0,898 2049 15728 0,755 13743 1,125 0,874 2054 16152 0,775 15164 1,242 0,939 2059 16575 0,795 16407 1,344 0,990 2064 16575 0,795 15984 1,309 0,964 2069 16575 0,795 15206 1,245 0,917 2074 16575 0,795 14181 1,161 0,856 2079 16575 0,795 13824 1,132 0,834 2084 16575 0,795 14197 1,163 0,857 2089 16575 0,795 14568 1,193 0,879 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Tabel B3.7. (figur 4.1) Fordeling på tilstande i fremskrivning hvor der er

taget hensyn til uddannelseskategorier.

51

Andele Førtidspension Efterløn Ledighed Beskæftigelse Hjemme 1999 0,0944 0,0595 0,1264 0,5955 0,1242 2004 0,0842 0,0619 0,1377 0,6003 0,1159 2009 0,0801 0,0684 0,1385 0,5978 0,1152 2014 0,0800 0,0707 0,1386 0,5969 0,1138 2019 0,0800 0,0717 0,1387 0,5961 0,1135 2024 0,0791 0,0760 0,1383 0,5916 0,1150 2029 0,0778 0,0776 0,1380 0,5902 0,1164 2034 0,0757 0,0741 0,1386 0,5951 0,1165 2039 0,0746 0,0712 0,1387 0,5993 0,1162 2044 0,0737 0,0661 0,1398 0,6059 0,1145 2049 0,0747 0,0668 0,1401 0,6049 0,1135 2054 0,0767 0,0725 0,1392 0,5973 0,1143 2059 0,0774 0,0759 0,1383 0,5929 0,1156 2064 0,0763 0,0744 0,1385 0,5949 0,1159 2069 0,0751 0,0713 0,1389 0,5988 0,1159 2074 0,0740 0,0682 0,1396 0,6028 0,1154 2079 0,0739 0,0675 0,1398 0,6037 0,1151 2084 0,0744 0,0687 0,1396 0,6022 0,1151 2089 0,0747 0,0696 0,1394 0,6011 0,1153 Kilde: Egne beregninger på registre fra Danmarks Statistik, se bilag 2. Mht. fremskriv-

ningsmetode, se bilag 1.

53

Bilag 4. Eksperimenter I bilaget forklares teknisk, hvorfor hypotetiske eksperimenter kan give skæve skøn i modellen. Vi forestiller os, at man kan være i to tilstande, beskæftiget (B) eller ledig (U). Vi forestiller os også, at hver person desuden er karakteriseret ved en tredje variabel, X, der enten kan have værdien høj (H), middel (M) eller lav (L). Man kan tænke på denne variabel som fx produktivitet eller glæde ved at være på arbejdsmarkedet, således at desto højere X er, desto større chance er der alt andet lige for, at man er på beskæftiget. Variablen X er et tænkt eksempel på en af de mange variabler, der ikke med i vores fremskrivninger, som de er fo retaget ovenfor, men ikke desto min-dre er af betydning. Vores metode beregner beskæftigede i periode t som:

1 1 1 1( ) ( | ) ( ) ( | ) ( )t t t t t t tP B P B B P B P B U P U? ? ? ?? ?? ? og tilsvarende for ledighed. Overgangssandsynlighederne, fx 1( | )t tP B B ? , er ganske enkelt beregnet som den andel af de beskæftigede i periode t-1, der også er be-skæftigede i periode t. Denne kan også skrives som

1 1 1, ,

( | ) ( | , ) ( | )t t t t tX H M L

P B B P B B X P X B? ? ??

? ? ? (B4.1)

og analogt for de øvrige overgangssandsynligheder. Problemet med vores såkaldte hypotetiske eksperimenter i papiret er, at vi blot flyt-ter på initialfordelingen (fordelingen på ? ?1 1,t tB U? ? ) uden at foretage genberegning af overgangssandsynlighederne ved formel B4.1. Det er et problem, hvis der er sam-menhæng mellem variablen X og beskæftigelsessandsynligheden på tidspunkt t-1. Vi illustrerer det nedenfor ved at beregne beskæftigelsessandsynligheden på tids-punkt t. Vi forestiller os det eksperiment, at flere kan begynde deres karriere som beskæftigede. Det er imidlertid ikke tilfældigt, hvem, der tænkes at begynde karrie-ren som beskæftiget i stedet for ledig, men afhænger af X. Som grundlæggende, uændret element i eksemplet er sandsynligheden for at blive beskæftiget i periode t givet ved tabel B4.1.

54

Tabel B4.1. Sandsynlighed for at blive beskæftiget afhængigt af udgangs-situation og X, 1( | , )t tP B B X?

Værdi af X H M L

1tB ? 1 0,8 0 Udgangssituation

1tU ? 1 0,5 0

Hvis X=L vil man under ingen omstændigheder blive beskæftiget i dette eksempel, mens alle med X=H bliver beskæftigede. Hvis X=M er sandsynligheden størst for dem, der allerede er beskæftigede. Før eksperimentet forestiller vi os, at befolkningens fordeling på udgangssitua tion og X er som i tabel B4.2. Tabel B4.2. Fordeling på udgangssituation og værdi af X, 1( , )tP B X?

Værdi af X H M L

Marginal-fordeling

1tB ? 4/12 2/12 0 1/ 2 Udgangssituation

1tU ? 0 3/12 3/12 1/ 2

Denne fordeling giver anledning til, at vi efter metoden i papiret beregner over-gangssandsynligheder som

1

1

2 1( | ) 1 0,8 0 0 0,933

3 31 1

( | ) 1 0 0,5 0 0,2502 2

t t

t t

P B B

P B U

?

?

? ? ? ?

? ? ? ?

? ? ?

? ? ? (B4.2)

og fremskriver andelen af beskæftigede som

( ) 0,933 0,5 0.250 0,5 0,5915tP B ? ? ?? ? Vi foretager nu eksperimentet. Alle der i udgangspunktet er ledige og har X=M an-tages i stedet at være beskæftigede. Det giver den alternati ve initialfordeling i tabel B4.3. Tabel B4.3. Alternativ fordeling på udgangssituation og værdi af X,

1( , )tP B X? Værdi af X

H M L Marginal-fordeling

1tB ? 4/12 5/12 0 9/12 Udgangssituation

1tU ? 0 0 3/12 3/12

Med baggrund i denne nye fordeling ville vi efter metoden i papiret beregne effekten af det hypotetiske eksperiment på baggrund af overgangssandsynligheder i formel (B4.2) og marginalfordeling som i tabel B4.3, dvs. som

55

1

9 3( ) 0,933 0,250 0,7623

12 12tP B ? ? ? ?? ?

Effekten beregnes altså til 0,7623-0,5915=0,1708. Imidlertid har vi også flyttet på fordelingen af X givet udgangssituationen, og burde derfor ideelt set have genbe-regnet overgangssandsynlighederne. Den sande beskæftigelsesandel bliver

? ?4 5 9 3( ) 1 0,8 0 0 1 0 0,50 0 1

9 9 12 129 3

0,889 0 0,666712 12

tP B ? ?? ? ? ? ? ?? ?? ?

? ? ?

? ? ? ? ? ? ? ?

? ?

(B4.3)

Effekten bliver nu kun 0,7623-0,6667=0,0956. I (B4.3) er overgangssandsynlig-hederne genberegnet. Overgangssandsynligheden for beskæftigelse til beskæfti-gelse bliver 0,889 i stedet for 0,933 og for ledighed 0 i stedet for 0,250. Hvis det var et såkaldt naturlig eksperiment, vi lavede, ville vi beregne fordelingen rigtigt som i formel (B4.3). Det vi kalder et naturlig eksperiment er jo en beregning, hvor vi sammenligner effekten af to forskellige sæt observerede overgangssandsyn-ligheder kombineret med to forskellige observerede udgangsfordelinger (dvs. over-gangssandsynligheder i formel B4.2 og B4.3 kombineret med marginalfordelinger i hhv. tabel B4.2 og B4.3).

56

Arbejdspapirer publiceret af Socialforskningsinstituttet

Siden 1.1.2001. Se www.sfi.dk

1:2001

2:2001 Graversen, B.K. & Weise, H.: Effekter af aktiveringsindsatsen over for kontanthjælpsmod-tagere

3:2001 Carøe, C. Christiansen: TV-Nyheder fra hjemlandet – integration eller ghettoisering? Om transnationalisme og nyhedsforbrug

4:2001 Weatherall, J.: Vejen til førtidspension

5:2001 Bach, H.B. & Harsløf, I. : Kontanthjælpsmodtageres forhold – aktivering og arbejdsudbud

6:2001 Boll, J.L. & Christensen, T.Q.: Ledige kontanthjælpsmodtagere på Vestegnen

7:2001 Anker, J.; Munk, A.; Koch-Nielsen, I. & Raun M.: De sociale puljer

8:2001 Clausen, T.: Hørehandicappedes tilknytning og vilkår i forhold til arbejde og uddannelse

9:2001 Christoffersen, M.N. : Risikofaktorer for selvmordsforsøg blandt børn og unge

10:2001 Axelsen, I.: Litteraturstudie om forebyggende foranstaltninger for børn og unge

11:2001 Graversen, B.K. & Nielsen, J.: Oversigt over databaser med relevans for overvågning, udred-ning og forskning på det sociale område

12:2001 Kamp, A.: Virksomheder under modernisering – socialt ansvar under forandring. Human Ressource Management og socialt ansvar på danske virksomheder.

13:2001 Storm, J.: Revalidering – en spørgeskemaundersøgelse blandt revalidender

14:2001 Filges, T.: Revalidering – en registerundersøgelse

15:2001 Rosdahl, A., Harsløf, I. & Møller, S.N.: Virksomhedsrevalidering som vejen (tilbage) til arbejdsmarkedet

16:2001 Mehlsen, S.: Sammenhængen mellem boligform og ledighedens længde

1:2002 Kamp, A. & Hagedorn-Rasmussen, P.: Mangfoldighedsledelse. Et litteraturstudie om kon-cept, teori og praksis

2:2002 Christensen, T. Qvortrup: Cost-effect-analyser på den aktive socialpolitik

3:2002 Egelund T.: Metodeanvendelse i kommunernes forebyggende arbejde med børn og unge.

2. delrapport i Evaluering af den forebyggende indsats over for børn og unge.

4:2002 Larsen, M.: Hvordan fastholdes ældre på arbejdsmarkedet?

5:2002 Harsløf, I., Møller, S.N.& Kruhøffer, A.: Metoder og metodeudvikling i virksomhedsrevali-deringen – set fra projekternes perspektiv.

6:2002 Steenstrup, J.: Familie -erfaringer. En kvalitativ undersøgelse af 12 familiers erfaringer med at

57

modtage forebyggende hjælp efter Servicelovens § 40, stk. 2.

3. delrapport i Evaluering af den forebyggende indsats over for børn og unge.

7:2002 Bjørn, N.H. & Dohlmann, C.: Ringe vilje til at være mobil blandt ledige kvinder – Et eksem-pel fra Sønderjylland.

8:2002 Olsen, B.M.: Den kommunale organisering af det forebyggende arbejde med børn og unge.

4. delrapport i Evaluering af den forebyggende indsats over for børn og unge.

9:2002 Christoffersen, Mogens Nygaard. Social støtte til børn. En undersøgelse af børn, der modtog forebyggende hjælp i henhold til Serviceloven for første gang i 1998. 5. delrapport i evalue-ring af den forebyggende indsats over for børn og unge

10:2002 Boll, J. & Møller, S.N.: Psykologisk testning af kontanthjælpsmodtagere. Evaluering af ind-førelsen af VIH-Match i Virksomheden Holbæk.

11:2002 Olsen, H.: Dansk kvalitativ interviewforskning. Kvalitet eller kvaler?

12:2002 Anker, J., Christensen, I., Romose, T.S. & Stax, T.B.: Kommunal boliganvisning. – En ana-lyse af praksis og politik i fire kommuner.

13:2002 Olsen, H.: Folkepension, levekår og lavindkomst i Skandinavien. Et litteraturstudie om forsknings- og udredningstendenser.

14:2002 Christensen, I & Stax, T.B.: Kommunal boliganvisning. En analyse af praksis og politik i Københavns Kommune.

15:2002 Harsløf, I. Møller, S.N. & Ellegaard Hansen, A. Virksomhedsrevalidering som vendepunkt – en kvalitativ undersøgelse blandt deltagere i virksomhedsrevalidering

16:2002 Rasmussen, M.: Salg af almene boliger og boligsituationen for lav-indkomstgrupper. Stati-stisk karakteristik af indflyttere i almene boliger

17:2002 Mik-Meyer, N: At gøre noget kvalitativt målbart: Kvalitative subjektbundne oplysninger omsat i et screeningsværktøj.

18:2002 Hestbæk, A. & Nygaard Christoffersen, C.: Effekter af dagpasning – en redegørelse for nati-onale og internationale forskningsresultater

19:2002 Munk, M. D.: Køn, marginalisering og social eksklusion. Baggrundspapir til konference 26.-27. september 2002

20:2002 Munk, M. D.: Livschancer og mobilitet – forskellige generationers vilkår

21:2002 Rasmussen, M.: Forsørgerbyrde og førtidspension – et eksempel på anvendelse af en simpel fremskrivningsmodel

Ledig

23:2002 Weatherall, Cecilie D: Marginaliserede på det danske arbejdsmarked

24:2002 Anker, J., Christensen, I., Romose, Skovgaard T. & Stax, Børner T: Kommunal boliganvis-ning til almene familieboliger

25:2002 Rasmussen, M.: Har salget af Københavns kommunes boliger forringet mulighederne for lav-indkomstgrupper? Statistisk karakteristik af indflyttere i ”TOR-boliger”.

58